一种基于改进残差网络和WGAN的轴承剩余寿命预测方法

摘要

本发明涉及一种基于改进残差网络和WGAN的轴承剩余寿命预测方法，采集轴承在不同工况下的原始振动信号，划分为源域信号和目标域信号；将源域信号和目标域信号发送到改进残差网络中提取深度时序特征；构造WGAN模型，模型包含特征生成器和领域判别器，将改进残差网络作为特征生成器，领域判别器判别特征生成器的输出特征来自的领域，如果领域判别器难以分辨，则说明特征生成器成功地学习到了目标域和源域中序列的共同的特征空间；将共同的特征空间送给全连接神经网络构造轴承剩余寿命预测的模型，实现目标轴承的剩余寿命的预测。本发明可以在变工况和强噪声干扰下，实现对滚动轴承振动特征的有效提取和迁移学习，从而实现对轴承剩余寿命的准确预测。